YOLOv11改进策略【Conv和Transformer】| AssemFormer 结合卷积与 Transformer 优势，弥补传统方法不足
一、本文介绍
本文记录的是利用AssemFormer优化YOLOv11的目标检测网络模型。传统卷积和池化操作会导致信息丢失和压缩缺陷，且传统的注意力机制通常产生固定维度的注意力图，忽略了背景中的丰富上下文信息。本文的利用AssemFormer改进YOLOv11，以在特征传递和融合过程中增加多尺度的学习能力。
专栏目录：YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
文章目录
原文地址：https://blog.csdn.net/qq_42591591/article/details/142818564
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！